# CoEvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification

### 저자

Hanrong Zhang, Shicheng Fan, Henry Peng Zou, Yankai Chen, Zhenting Wang, Jiayu Zhou, Chengze Li, Wei-Chieh Huang, Yifei Yao, Kening Zheng, Xue Liu, Xiaoxiao Li, Philip S. Yu

### 💡 개요

본 논문은 기존 LLM 에이전트의 단순한 도구 호출 방식으로는 해결하기 어려운 복잡한 전문 업무를 수행하기 위해 '스킬'이라는 개념을 제안한다. 현재 스킬 생성은 수동 작성으로 인한 높은 레이블 비용과 인간-기계 인지 불일치로 인한 성능 저하 문제를 겪고 있다. 이에 본 논문은 CoEvoSkills라는 프레임워크를 제안하여 에이전트가 복잡한 다중 파일 스킬 패키지를 자율적으로 생성하도록 한다.

### 🔑 시사점 및 한계

- CoEvoSkills는 자율적인 스킬 생성을 통해 LLM 에이전트의 복잡한 작업 수행 능력을 향상시킬 수 있다.

- 제안된 방법론은 별도의 정답 데이터 없이도 유익하고 실행 가능한 피드백을 제공하는 동반 검증기(Surrogate Verifier)를 통해 효율성을 높인다.

- CoEvoSkills는 다양한 LLM에 대한 강력한 일반화 능력을 보여주었으며, SkillsBench 벤치마크에서 기존 기법 대비 최고의 성능을 달성했다.

- 향후 연구에서는 스킬 생성 및 검증 과정에서의 편향성 완화 및 더 넓은 범위의 작업에 대한 적용 가능성 탐색이 필요하다.

---

[PDF 보기](https://arxiv.org/pdf/2604.01687)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).